过去的客流统计并不复杂。
在入口安装一个计数设备，检测人员经过，然后记录：
IN
OUT
系统最终得到：
今日进入：856
今日离开：812
但现实环境很快会把这个模型变得复杂。
两个人并排进入怎么办？
一个人在入口停留怎么办？
员工每天反复进出怎么办？
一个人转身后再次穿过检测区域怎么办？
摄像头看到的是连续画面，而系统需要的是准确事件。
这就是3D视觉和AI开始进入客流系统的原因。
一、从“看见人”到“理解空间”
二维摄像头看到的是图像。
3D视觉增加了一层非常重要的信息：
距离
例如：
Person A → 1.8m
Person B → 2.3m
即使两个人在二维画面中的轮廓接近，系统也可以利用深度把他们分开。
双目视觉通过左右相机之间的视差恢复深度；ToF则通过光传播时间测量距离。这两种技术各自有适用场景，目前都被用于人员和空间感知。
于是一个人的数据不再只是：
X
Y
而是：
X
Y
Z
客流系统开始拥有“空间”。
二、AI真正解决的是“这个目标是谁”
3D只能告诉系统：
这里有一个三维目标。
AI需要进一步判断：
这个目标是不是人？
然后：
Person
↓
Detection
↓
Tracking
↓
Trajectory
例如一个顾客从入口进入：
10:01:01
10:01:02
10:01:03
10:01:04
系统在四秒内可能看到几十个视频帧。
但这些帧属于同一个人。
所以AI系统需要给目标建立临时身份：
Track ID = 1024
之后所有相关帧都归入：
1024
当这个目标穿过入口检测区域，才产生：
Entry Event
三、为什么Tracking如此重要？
很多人看到“AI人数识别”，第一反应是：
模型能识别多少个人？
但真正影响客流数据的，往往是Tracking。
例如：
A进入
B进入
A离开
B离开
如果系统无法保持目标关联，就可能产生：
A进入
B进入
C离开
D离开
最后统计结果虽然看起来完整，实际上已经失去了人员轨迹。
Tracking需要结合：
位置
速度
深度
时间
外观特征
进行目标关联。
四、Re-ID解决的是另一个问题
Tracking和Re-ID并不是一回事。
Tracking主要解决：
连续视频帧中的目标是不是同一个？
Re-ID解决：
两段不同时间出现的目标有没有可能是同一个？
例如：
Track A
↓
消失
↓
Track B
如果两条轨迹之间具有较高的空间、时间和特征相似度，就可以进行进一步关联。
这对于降低重复统计非常重要。
但是Re-ID并不意味着必须进行人脸识别。
客流系统可以使用非身份化的视觉特征完成目标关联，减少对个人身份信息的依赖。部分现有3D客流方案已经采用本地处理、非身份化数据输出的架构。
五、客流数据其实是一组事件
一个真正的数据系统不会只保存：
count = 1
而应该记录：
Who-like Object
When
Where
Direction
Duration
Zone
Event
例如：
{
"timestamp": "10:25:31",
"zone": "entrance",
"direction": "IN",
"duration": 3.4
}
然后系统再把大量事件聚合成：
小时客流
日客流
区域客流
进出人数
停留时间
区域人数
这一步非常关键。
因为原始事件是数据源，统计指标只是数据加工结果。
六、3D视觉可以进一步支持区域分析
如果只有入口计数：
Entrance → Count
只能知道多少人进入。
如果在店内增加空间感知：
Entrance
↓
Zone A
↓
Zone B
↓
Checkout
就可以得到：
Zone A = 132
Zone B = 84
Checkout = 51
再加入停留时间：
Zone A → 87s
Zone B → 143s
系统就从“人数统计”变成了“空间行为分析”。
现有3D视觉方案已经可以利用区域轨迹、停留时间和热区等数据进行进一步分析。
七、Edge AI为什么越来越重要？
如果所有画面都上传服务器：
Camera
↓
Network
↓
Cloud
↓
AI
系统必须持续传输视频。
另一种方案是：
Camera
↓
Edge AI
↓
Event
↓
Cloud
设备本地完成：
Detection
Tracking
Counting
云端只接收：
Event Data
这样网络传输压力更低，而且网络暂时中断时，设备仍然可以继续工作并进行本地缓存。
八、未来的智能客流系统是什么样？
可以简单画成：
3D Sensor
↓
Depth Mapping
↓
AI Detection
↓
Tracking
↓
Re-ID
↓
Trajectory
↓
Event Calculation
↓
Data Aggregation
↓
Analytics Platform
每一层解决的问题不同：
模块解决问题
3D人在哪里
AI这是不是人
Tracking是否还是同一个目标
Re-ID是否可能重复出现
Event是否发生进出事件
Analytics数据呈现什么规律
所以未来的客流系统不会只是“更准确的计数器”。
它更像一个部署在物理空间里的实时感知节点。
3D视觉负责建立空间，AI负责理解目标，Tracking负责保持连续性，数据分析负责把连续轨迹转换成结构化数据。
从这个角度看，客流统计只是整个系统最基础的一层。
